18、迭代器和生成器

迭代器和生成器是函数中的一大重点,务必掌握,何为迭代?何为迭代器?

预习:

1、处理文件,用户指定要查找的文件和内容,将文件中包含要查找内容的每一行都输出到屏幕(使用生成器)

2、批量处理文件,用户指定要查找的目录和内容,将本层目录下所有文件中包含要查找内容的每一行都输出到屏幕

 

本篇导航:

 

一、可迭代的

for i in 50:
    print(i)
#运行结果:
# Traceback (most recent call last):
#   File "G:/python/python代码/八月/day2 迭代器生成器/3迭代器.py", line 8, in <module>
#     for i in 50:
# TypeError: 'int' object is not iterable

报错:

TypeError: 'int' object is not iterable

类型报错:'int'对象是不可迭代的    何为迭代?

iterable:可迭代的;迭代的;

可迭代的:从上面代码可以简单分析出能被for循环取值的就是可迭代,那么我们就可以初步总结出可迭代的类型:str、list、tuple、set、dict

可迭代的 ——对应的标志 拥有__iter__方法

print('__iter__' in dir([1,2,3]))  #判断一个变量是不是一个可迭代的

可迭代协议

可以被迭代要满足的要求就叫做可迭代协议。可迭代协议的定义非常简单,就是内部实现了__iter__方法


 

二、迭代器

__iter__方法作用:

l = [1,2,3,4,5]
print(l.__iter__())
l_iterator = iter(l)  #建议用iter(l)
print(set(dir(l_iterator))-set(dir(l)))
#结果:
#<list_iterator object at 0x000001FDD1B79048>
#{'__length_hint__', '__next__', '__setstate__'}
迭代器

iterator:迭代器;迭代程序

迭代器协议:必须拥有__iter__方法和__next__方法

通过iter(x)得到的结果就是一个迭代器,

x是一个可迭代的对象

在for循环中,就是在内部调用了__next__方法才能取到一个一个的值。

__next__的精髓:

l = [1,2,3,4,5]
l_iterator = iter(l)
print(l_iterator.__next__())
print(l_iterator.__next__())
print(l_iterator.__next__())
print(l_iterator.__next__())
print(l_iterator.__next__())
next(l_iterator) #==l_iterator.__next__()
while True:
    try:
        print(next(l_iterator))
    except StopIteration:
        break
__next__方法的使用精髓

如果我们一直取next取到迭代器里已经没有元素了,就会报错(抛出一个异常StopIteration),告诉我们,列表中已经没有有效的元素了。这个时候,我们就要使用异常处理机制来把这个异常处理掉。try_except异常处理机制只做了解,不是本章重点,会面会详细讲解。

判断是否可迭代和迭代器的简洁方法:

from collections import Iterable
from collections import Iterator
s = 'abc'
print(isinstance(s,Iterable))
print(isinstance(s,Iterator))
print(isinstance(iter(s),Iterator))
判断可迭代和迭代器

不管是一个迭代器还是一个可迭代对象,都可以使用for循环遍历

迭代器出现的原因 帮你节省内存


 

三、生成器

迭代器大部分都是在python的内部去使用的,我们直接拿来用就行了

我们自己写的能实现迭代器功能的东西就叫生成器。

1.生成器函数:常规函数定义,但是,使用yield语句而不是return语句返回结果。yield语句一次返回一个结果,在每个结果中间,挂起函数的状态,以便下次重它离开的地方继续执行

2.生成器表达式:类似于列表推导,但是,生成器返回按需产生结果的一个对象,而不是一次构建一个结果列表

生成器Generator:

本质:迭代器(所以自带了__iter__方法和__next__方法,不需要我们去实现)

特点:惰性运算,开发者自定义

#生成器函数
def func():
    print('aaaa')
    a = 1
    yield a    #返回第一个值
    print('bbbb')
    yield 12   #返回第二个值

ret = func()  #拿到一个生成器
# print(ret) #<generator object func at 0x0000028AE2DA2EB8>
print(next(ret)) #取第一个值
print(next(ret)) #取第二个值
print(next(ret)) #取第三个值 会报错 因为没有第三个值


def make_cloth():
    for i in range(2000000):
        yield "第%s件衣服"%i

szq = make_cloth()
print(next(szq))
print(next(szq))

print(next(szq))
for i in range(50):
    print(next(szq))
生成器函数

生成器的好处:不会一下子在内存中生成太多数据

其它应用:

import time


def tail(filename):
    f = open(filename)
    f.seek(0, 2) #从文件末尾算起
    while True:
        line = f.readline()  # 读取文件中新的文本行
        if not line:
            time.sleep(0.1)
            continue
        yield line

tail_g = tail('tmp')
for line in tail_g:
    print(line)
生成器监听文件输入的例子
def averager():
    total = 0.0
    count = 0
    average = None
    while True:
        term = yield average
        total += term
        count += 1
        average = total/count


g_avg = averager()
next(g_avg)
print(g_avg.send(10))
print(g_avg.send(30))
print(g_avg.send(5))
计算移动平均值简单
def init(func):  #在调用被装饰生成器函数的时候首先用next激活生成器
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)
        next(g)
        return g
    return inner

@init
def averager():
    total = 0.0
    count = 0
    average = None
    while True:
        term = yield average
        total += term
        count += 1
        average = total/count


g_avg = averager()
# next(g_avg)   在装饰器中执行了next方法
print(g_avg.send(10))
print(g_avg.send(30))
print(g_avg.send(5))
计算移动平均值升级_生成器激活装饰器
def func():
    # for i in 'AB':
    #     yield i
    yield from 'AB'  #等同于上面两行
    yield from [1,2,3]
g = func()
print(next(g))
print(next(g))
print(next(g))
print(next(g))
yield from

 

四、列表推导式和生成器表达式

for i in range(100):
    print(i*i)

l =[i*i for i in range(100)]   #列表推导式
print(l)

l = [{'name':'v','age':28},{'name':'v'}]   
name_list = [dic['name'] for dic in l]    #列表推导式
print(name_list)

l = [{'name':'v1','age':28},{'name':'v2'}]
name_list_generator = (dic['name'] for dic in l)    #生成器表达式
print(name_list_generator)
print(next(name_list_generator))
print(next(name_list_generator))

egg_list=['鸡蛋%s' %i for i in range(10)]    #列表推导式
print(egg_list)

laomuji = ('鸡蛋%s' %i for i in range(1,11))    #生成器表达式
print(laomuji)
print(next(laomuji))
print(next(laomuji))
列表推导式和生成器表达式

使用生成器的优点:

1、延迟计算,一次返回一个结果。也就是说,它不会一次生成所有的结果,这对于大数据量处理,将会非常有用。

2、提高代码可读性

#列表解析
sum([i for i in range(100000000)])#内存占用大,机器容易卡死
 
#生成器表达式
sum(i for i in range(100000000))#几乎不占内存

总结:

1、把列表解析的[]换成()得到的就是生成器表达式

2、列表解析与生成器表达式都是一种便利的编程方式,只不过生成器表达式更节省内存

3、Python不但使用迭代器协议,让for循环变得更加通用。大部分内置函数,也是使用迭代器协议访问对象的。例如, sum函数是Python的内置函数,该函数使用迭代器协议访问对象,而生成器实现了迭代器协议,所以,我们可以直接这样计算一系列值的和

print(sum([1,2,3]))
print(sum(range(1,4)))
print(sum(x ** 2 for x in range(4)))
print(sum([x ** 2 for x in range(4)]))

 

思维导图:

预习答案:

def grep_file(filename,grep_content):
    f = open(filename)
    for line in f:
        if grep_content in line:
            yield line

g = grep_file('tmp_file','python')
for line in g:
    print(line,end='')
普通青年版(1题)
def init(func):
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)
        next(g)
        return g
    return inner

@init   #grep_file = init(grep_file)
def grep_file(grep_content,printer_g):
    while True:
        filename  = yield
        f = open(filename)
        for line in f:
            if grep_content in line:
                printer_g.send(line)

@init  ##printer = init(printer) 激活print_g
def printer():
    while True:
        line = yield
        if line:print(line,end='')

grep_g = grep_file('python', printer())
grep_g.send('tmp_file')
妖孽青年版(1题)
import os
def getpath(filepath):
    g = os.walk(filepath)
    for par_dir, _, files in g:
        for file in files:
            yield par_dir + "\\" + file

# 2打开文件对象发给3
def getfile(filepaths):
    for filepath in filepaths:
        with open(filepath, encoding="utf-8") as file:
            yield file

# 3读取每一行发给4
def getline(files):
    for file in files:
        for line in file:
            yield line

# 4判断pattern发给5
def grep(lines, pattern):
    for line in lines:
        if pattern in line:
            yield line

# 5打印文件名
def printname(strings):
    for string in strings:
        print(string)

filepath = r"F:\Code\Python\LearnPython\Day14 generator"
pattern = "jean"

printname(grep(getline(getfile(getpath(filepath))), pattern))
妖孽升级版(2题)

 

posted @ 2017-08-02 19:20  布吉岛丶  阅读(813)  评论(0编辑  收藏  举报